AngleSharp ：在 C# 中轻松解析和操作 HTML/XML 文档

郑子铭

发布于 2025-04-10 10:56:43

5220

文章被收录于专栏：DotNet NB && CloudNativeDotNet NB && CloudNative

AngleSharp 是一个 C# 库，主要用于解析和操作 HTML 和 XML 文档，类似于浏览器的 DOM 操作。允许你在 C# 中使用类似浏览器的方式处理网页数据，进行网页抓取、数据提取和处理等任务。

安装

第一步，老规矩，先安装

Install-Package AngleSharp

使用

解析 HTML 文档

using AngleSharp.Html.Parser;

var html = @"<html><body><h1>Hello, World!</h1></body></html>";

// 创建 HTML 解析器
var parser = new HtmlParser();
var document = parser.ParseDocument(html);

// 查找 <h1> 元素
var h1 = document.QuerySelector("h1");

// 输出 <h1> 中的文本
Console.WriteLine(h1.TextContent);  // Output: Hello, World!

解析并抓取网页

// 创建 HttpClient 来抓取网页
using AngleSharp.Html.Parser;

using var httpClient = new HttpClient();
var html = await httpClient.GetStringAsync("https://www.hunji.xyz/");

// 创建 HTML 解析器
var parser = new HtmlParser();
var document = parser.ParseDocument(html);

// 查找页面中的标题
var title = document.QuerySelector("title");

// 输出页面标题
Console.WriteLine(title.TextContent);

DOM 操作

选择器和查询

var h1 = document.QuerySelector("h1");  // 获取第一个 <h1> 元素
var allLinks = document.QuerySelectorAll("a");  // 获取所有 <a> 标签

获取元素属性

var firstLink = document.QuerySelector("a");
var href = firstLink.GetAttribute("href");
Console.WriteLine(href);  // 输出链接地址

修改元素

var heading = document.QuerySelector("h1");
heading.TextContent = "New Heading";  // 修改文本内容
heading.SetAttribute("class", "new-class");  // 修改 class 属性

遍历节点

var links = document.QuerySelectorAll("a");

foreach (var link in links)
{
    Console.WriteLine(link.GetAttribute("href"));
}

4异步操作

using AngleSharp.Html.Parser;
using AngleSharp.Dom;
using System;
using System.Net.Http;
using System.Threading.Tasks;

classProgram
{
    static async Task Main()
    {
        // 使用异步抓取网页内容
        usingvar client = new HttpClient();
        var html = await httpClient.GetStringAsync("https://www.hunji.xyz/");

        // 使用 HTML 解析器解析网页
        var parser = new HtmlParser();
        var document = await parser.ParseDocumentAsync(html);

        // 操作 DOM
        var h1 = document.QuerySelector("h1");
        Console.WriteLine(h1.TextContent);
    }
}

5. 实战：抓取网页中的所有链接

using AngleSharp.Html.Parser;
using AngleSharp.Dom;
using System;
using System.Net.Http;
using System.Threading.Tasks;

classProgram
{
    static async Task Main()
    {
        // 获取网页
        usingvar httpClient = new HttpClient();
        var html = await httpClient.GetStringAsync("https://www.hunji.xyz/");

        // 创建解析器
        var parser = new HtmlParser();
        var document = await parser.ParseDocumentAsync(html);

        // 获取所有的链接
        var links = document.QuerySelectorAll("a");

        // 输出所有链接
        foreach (var link in links)
        {
            var href = link.GetAttribute("href");
            Console.WriteLine(href);
        }
    }
}